用AI看懂体育比赛，一键提取球员位置和动作数据
sports 是一个专注于计算机视觉在体育领域应用的开源项目，主要解决体育视频和图像中的目标检测、关键点检测、球员追踪、动作识别等问题。项目以足球为主要场景，提供了一套完整的工具链，包括数据预处理、模型训练、推理部署等环节。其核心能力包括基于深度神经网络的球员检测与追踪、球场关键点检测、比赛事件识别等，并支持自定义数据集扩展。项目采用 Python 编写，技术栈涵盖 object-detection、keypoint-detection、image-embeddings 等，适合研究人员和开发者快速构建体育分析系统。通过预训练模型和示例代码，降低了体育视觉任务的门槛，帮助用户从视频中提取结构化数据，用于战术分析、球员表现评估等场景。
1检查 Python 版本
打开终端执行命令，确认版本号不低于 3.8，否则安装会失败。
python --version2从源码安装
项目暂未发布 Python 包，README 要求用 pip 直接从 GitHub 仓库安装。
pip install git+https://github.com/roboflow/sports.git3确认安装结果
查看已安装列表，确认存在来自 roboflow/sports 的安装项，即可开始使用仓库工具。
pip list执行 pip list，检查输出中是否有来自 roboflow/sports 的包，有则说明安装成功。
Q：安装时提示找不到包或 PyPI 上没有 sports 怎么办？
A：README 明确说明项目还没有发布 Python 包，必须使用 pip install git+https://github.com/roboflow/sports.git 从源码安装。
Q：对 Python 版本有什么要求？
A：需要在 Python>=3.8 的环境中安装，版本过低可能安装失败。
Q：这个项目能解决哪些体育视觉任务？
A：涵盖目标检测、图像分割、关键点检测与基础模型，也包括球追踪、球衣号码识别、球员追踪与重识别等挑战。
Q：能用于非足球场景吗？
A：可以。README 提到仓库中的工具可应用于体育以及其他领域，足球只是主要测试场景。
OpenPose、Detectron2、SportsPose
sports 是计算机视觉领域的开源项目，由 roboflow 开发，2024 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（5,380）位列前 9%，在计算机视觉分类的 447 个项目里位列前 9%。
近 41 天，它的 GitHub 星标从 5,303 增加到 5,380，净增 77。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-21。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：足球比赛视频自动生成球员热力图和跑动轨迹。同类可对比的替代方案包括 OpenPose、Detectron2、SportsPose。
modlens
开源
给纯文本编码代理装上眼睛，粘贴图片即刻获得结构化视觉证据。
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···
opencv
开源
开箱即用的视觉算法库，搞定图像视频处理与识别
Open Source Computer Vision Library
OpenCVTutorials
开源
中文 OpenCV 教程，从入门到实战，边看边跑代码
OpenCV-Python4.1 中文文档
DEIMv2
开源
用DINOv3做实时检测，又快又准，直接落地。
[DEIMv2] Real Time Object Detection Meets DINOv3